levenshtein-distance - 使用 damerau levenshtein 算法进行抄袭检测

Question

我将如何模拟 damerau leveshtein 距离算法以检测文档中的抄袭？谢谢！

Answer 1

Levenshtein 距离主要用于比较两个字符串，例如比较名称或在拼写检查器中查找替代项。对整个文档使用这种算法来检测抄袭并不典型。

不过，该地区有一些工作。一切都指向这篇文章，需要订阅：

使用 Levenshtein 距离和 Smith-Waterman 算法的抄袭检测

http://www.computer.org/portal/web/csdl/doi/10.1109/ICICIC.2008.422

文本抄袭是学术界日益关注的问题。现在，最常见的文本剽窃是通过进行各种细微的改动而发生的，包括插入、删除或替换单词。然而，这种简单的更改需要过多的字符串比较。在本文中，我们提出了一种混合抄袭检测方法。我们研究了从 Levenshtein 距离导出的对角线的使用，以及简化的 SmithWaterman 算法，该算法是识别和量化生物序列局部相似性的经典工具，以期在剽窃检测中的应用。我们的方法避免了全局涉及的字符串比较，并考虑了心理因素，这可以通过实验结果产生显着的加速。根据结果​​，我们使用 Levenshtein 距离和 Smith-Waterman 算法表明了这种改进的实用性，并说明了效率提升。将来，在文本比较领域探索适当的启发式方法会很有趣